Question

我在恢复已保存的模型时遇到了困难。我正在MNIST数据集上训练CNN，根据Deep MNIST for Experts上的MNIST教程，我使用以下代码保存我的模型：

saver.save(sess, './Tensorflow_MNIST', global_step=max_steps)

这将创建以下文件：

Tensorflow_MNIST-1000.data-00000-的-00001
Tensorflow_MNIST-1000.index
Tensorflow_MNIST-1000.meta
检查点

稍后我想加载模型并继续训练：

with tf.Session() as sess:
new_saver = tf.train.import_meta_graph('./Tensorflow_MNIST-1000.meta')
new_saver.restore(sess, './Tensorflow_MNIST-1000')

batch_xs, batch_ys = mnist.train.next_batch(50)
sess.run(train_step, feed_dict[x: batch_xs, y_batch_ys, keep_prob:0.5])

然而，这会返回错误：

NameError: name 'train_step' is not defined

因此，图表及其变量和操作似乎未正确加载。我在这里做错了什么？

Answer 1

保存时

：

saver = tf.train.Saver(...variables...)
# Remember the training_op we want to run by adding it to a collection.
tf.add_to_collection('train_step', train_step)

恢复时：

with tf.Session() as sess:
  ....

  # tf.get_collection() returns a list. get the first one
  train_step = tf.get_collection('train_step')[0]
  sess.run(train_step, ....)

如果您想重新使用该模型，我认为将sess.run(train_step...)更改为 train_step(...)应该有效

Answer 2

当使用saver.save()时，TensorFlow保存计算图，该图由张量（即TensorFlow对象）组成。

它不会保存您使用的每个变量。特别是，任何不 tf.Tensor的内容都不会被保存。

您可能希望拥有自己的数据结构来保存任何其他信息。

为方便起见，您可以使用JSON格式，甚至可以在python中使用pickle，但不能手动编辑。

希望有所帮助

Answer 3

用＆＃34;＆＃34;呼叫所有张量并且：import meta_graph中描述的添加0似乎可以解决问题。因此，例如，计算准确度的调用变为：

test_accuracy = sess.run("accuracy:0", feed_dict={"x:0": mnist.test.images, "y_:0": mnist.test.labels, "keep_prob:0": 1.0})

如何在TensorFlow中导入模型

3 个答案: